火车中正则的怪异之处 难以理解

xdaoke

(<title>)(?<content>[^\b]{19}?)
用这个来采集标题，懂点正则的人会以为 取得标题的19字节
其实不是
当标题中有中文或双字节等字符时，火车会当成1个字节来对待

这样的结果是，截取了19个 unicode字符，字节长度却不确定了

我觉得这样很不实用，

是否有别的替代办法？

讨论：http://blog.i-digi.net/?p=16

e7show

我用正则测试器通过了为什么还是采集不到数据呢
要从网页里提取 像这样规律的字符串 ,我写了三个正则表达式正确通过正则测试,但是不知道为什么用火车头就是采集不到我想要的数据

  字符串举例   特点  2个或者3个汉字,一个空格,六个无论大小写的英文字符,两位数的数字

   比如      丁大丁 tkipCS21

[\u4E00-\u9FA5]{2,3}[ ][A-Za-z]{6}\d{2}

                  (\W{2,3}[ ][A-Z|a-z]{6}\d{2})

                     \W{2,3} [A-Z|a-z]{6}\d{2}

这三个正则 都用表达式验证工具验证过了  但是按照下面两个 方式 写在 正则匹配内容的框里就不行 也不知道为什么
开始代码(?<content>正则表达式)结束代码
或
开始代码(?<content>正则表达式?)结束代码   

标签仍然得不到我想要的字符串

xyz5200

开始代码(?<content>正则表达式?)结束代码

我也试过这个，也是没有结果。

xdaoke

火车的正则不认空格的 [ ]不行
替代 ：[\s]